Có thể một thuật toán dự đoán tương lai của một chính trị gia chỉ bằng cách phân tích các tweet của họ không? | Karina Petrova, PsyPost Một mô hình thống kê mới đã thành công trong việc phân loại các thành viên của Quốc hội Hoa Kỳ thành các nhóm chính trị và lập pháp khác nhau chỉ dựa trên các mẫu tương tác của họ trên nền tảng mạng xã hội X. Được công bố trong Tạp chí Thống kê Tính toán và Đồ họa, nghiên cứu cũng đã xác định một số ít ngoại lệ mà hành vi trực tuyến của họ dường như báo hiệu tham vọng cho các chức vụ cao hơn. Các chính trị gia sử dụng các nền tảng công cộng để truyền đạt các nguyên tắc và lập trường chính sách của họ đến cử tri. Ngoài các tuyên bố chính thức, nhiều người cũng xây dựng thương hiệu cá nhân thông qua lựa chọn ngôn ngữ và phong cách của họ. Với một lượng lớn thông điệp chính trị hiện đang diễn ra trực tuyến, các nhà nghiên cứu đã điều tra cách mà các quan chức được bầu chọn định vị bản thân bằng cách liên kết chiến lược với những người khác trong liên minh của họ. Nghiên cứu mới này được thực hiện bởi Benjamin Leinwand, một giáo sư trợ lý về khoa học toán học tại Viện Công nghệ Stevens, và Vince Lyzinski, một giáo sư toán học tại Đại học Maryland. Họ chuyên về khoa học mạng, một lĩnh vực phân tích các kết nối trong các hệ thống phức tạp. Họ đã tìm cách xác định xem một mô hình có thể suy luận cấu trúc cơ bản của một mạng lưới chính trị chỉ bằng cách quan sát các tương tác, mà không được cung cấp bất kỳ thông tin nào về các đảng phái chính trị hoặc thành viên nào thuộc về phòng nào của Quốc hội. Để hiểu bối cảnh xã hội của Quốc hội, các nhà nghiên cứu cần một công cụ có thể vẽ ra mạng lưới phức tạp của các tương tác trực tuyến. Về cơ bản, bất kỳ mô hình thống kê nào như vậy đều cố gắng tính toán một giá trị đơn giản cho mỗi cặp cá nhân: xác suất mà họ sẽ kết nối. Điều này tạo ra một bản đồ của mạng lưới, cho thấy những kết nối nào có khả năng xảy ra và những kết nối nào không. Một số mô hình mạng lưới được sử dụng rộng rãi tiếp cận nhiệm vụ này bằng cách kết hợp một vài yếu tố chính. Ví dụ, một mô hình có thể ước lượng xác suất của một kết nối bằng cách nhân điểm "tính xã hội" của một người với một điểm đại diện cho mức độ tương tác của nhóm họ. Phương pháp này hoạt động tốt trong nhiều tình huống, nhưng có thể gặp vấn đề trong các mạng lưới có sự biến đổi cực đoan. Vấn đề phát sinh trong các cộng đồng kết nối dày đặc, nơi một vài cá nhân hoạt động đặc biệt tích cực. Trong những trường hợp như vậy, mô hình có thể gán điểm tính xã hội rất cao cho những người hoạt động này và một điểm tương tác cao cho nhóm của họ. Khi những điểm số cao này được nhân với nhau, xác suất thu được có thể vượt quá 1, hoặc 100 phần trăm. Đây là một điều không thể xảy ra về mặt toán học, cho thấy mô hình không thể đại diện chính xác cho các động lực xã hội cơ bản. Mô hình mới được phát triển bởi Leinwand và Lyzinski được xây dựng trên một nền tảng toán học khác được thiết kế đặc biệt để tránh vấn đề này. Các phép tính nội bộ của nó được cấu trúc theo cách đảm bảo rằng đầu ra cuối cùng cho bất kỳ cặp chính trị gia nào luôn là một xác suất hợp lệ, một số giữa 0 và 1. Điều này đảm bảo rằng mô hình tạo ra một bản đồ hợp lý và mạch lạc của mạng lưới, ngay cả trong những khu vực hoạt động và phức tạp nhất. Ngoài việc chỉ ngăn chặn lỗi, phương pháp mới này còn cung cấp sự linh hoạt lớn hơn. Nó không giả định rằng các mẫu kết nối là giống nhau trên toàn bộ mạng lưới. Ví dụ, một số mô hình có thể ngầm giả định rằng các thành viên hoạt động xã hội nhất của một nhóm có khả năng kết nối với các thành viên hoạt động nhất của nhóm khác. Tuy nhiên, mô hình mới có thể phát hiện các mẫu phức tạp hơn. Nó có thể, chẳng hạn, tìm thấy một tình huống mà các thành viên ôn hòa của hai đảng chính trị khác nhau tương tác thường xuyên, trong khi các thành viên cực đoan nhất của những đảng đó tương tác rất ít. Nó cũng có thể nhận ra rằng xu hướng của một cá nhân trong việc hình thành kết nối có thể thay đổi tùy thuộc vào cộng đồng mà họ đang tương tác, cung cấp một bức chân dung chi tiết và thực tế hơn về giao tiếp chính trị. Sử dụng mô hình này, Leinwand và Lyzinski đã phân tích hoạt động công khai của 475 thành viên của Quốc hội Hoa Kỳ khóa 117. Tập dữ liệu của họ bao gồm mọi thành viên đã đăng ít nhất 100 tweet trong một khoảng thời gian bốn tháng, từ ngày 9 tháng 2 năm 2022 đến ngày 9 tháng 6 năm 2022. Mô hình xác định một kết nối giữa bất kỳ hai chính trị gia nào nếu một trong số họ đã tweet hoặc retweet người kia trong khoảng thời gian này. "Chúng tôi gọi hai người là 'kết nối', nếu một trong cặp đó đã tweet đến người kia hoặc retweet người kia trong khoảng thời gian này," Leinwand giải thích. Mô hình không được cung cấp bất kỳ thông tin nào về đảng phái của một chính trị gia, phòng của họ, hoặc các lập trường chính sách của họ. Nó được giao nhiệm vụ phân loại 475 cá nhân thành các nhóm chỉ dựa trên mạng lưới kết nối kỹ thuật số của họ. Mô hình đã xác định ba cộng đồng chính. Những nhóm được định nghĩa bằng thuật toán này rơi vào các đường lối chính trị quen thuộc. Nhóm đầu tiên gần như hoàn toàn được tạo thành từ các Thượng nghị sĩ. Cộng đồng thứ hai chủ yếu bao gồm các thành viên Đảng Dân chủ của Hạ viện, và nhóm thứ ba chủ yếu được tạo thành từ các thành viên Đảng Cộng hòa của Hạ viện. Phân tích cho thấy rằng các chính trị gia trong ba nhóm này có xu hướng tương tác thường xuyên nhất với các thành viên trong cộng đồng của họ. "Các nghị sĩ Cộng hòa thường xuyên nói chuyện với nhau, và các nghị sĩ Dân chủ cũng thường xuyên nói chuyện với nhau, mặc dù các nghị sĩ Dân chủ có phần có khả năng tương tác với các Thượng nghị sĩ hơn so với các đồng nghiệp Cộng hòa của họ," Leinwand nói. Ông đã đưa ra một lời giải thích tiềm năng cho mẫu này. Vào thời điểm quan sát, Đảng Dân chủ nắm giữ đa số trong Thượng viện. Do đó, "người ta có thể tưởng tượng rằng các nghị sĩ Dân chủ có thể được khuyến khích để khuếch đại thông điệp lãnh đạo của Thượng viện bên cạnh các đồng minh của họ trong Hạ viện," ông tiếp tục. ...